Tiny YOLOV3目标检测改进

• 作者: 巩笑天 欧阳航空 马立
• 来源期刊: 光学精密工程
• 学科: 工学
• 关键词: 目标检测 Tiny YOLOV3 深度可分离卷积 反残差块 多尺度预测
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 信息科学
• 页码范围: 988-995
• 页数: 8页
• 分类号: TP391
• 字数: 3674字
• 语种: 中文
• DOI: 10.3788/OPE.20202804.0988

摘要

针对Tiny YOLOV3目标检测算法在实时检测中对行人等小目标漏检率高的问题,对该算法的特征提取网络、预测网络、损失函数等进行研究改进.首先,在特征提取网络中增加2步长的卷积层,代替原网络中的最大池化层进行下采样;接着,使用深度可分离卷积构造反残差块替换传统卷积,降低模型尺寸和参数量,增加高维特征提取;然后,在原网络两尺度预测的基础上增加一尺度,形成三尺度预测;最后,对损失函数中的边界框位置误差项进行优化.实验结果表明,改进后的Tiny YOLOV3算法的目标检测准确率比原算法提高了9.8％,满足实时性要求,具有一定鲁棒性.本文方法能够更好地提取目标特征,多尺度预测和边界框位置误差的改进能更准确地对目标进行检测.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	欧阳航空	上海大学机电工程与自动化学院	16	155	6.0	12.0
2	马立	上海大学机电工程与自动化学院	34	275	8.0	16.0
3	巩笑天	上海大学机电工程与自动化学院	1	0	0.0	0.0